[论文解读] Segmentation of points of interest during fetal cardiac assesment in the first trimester from color Doppler ultrasound

Ruxandra Stoean, Dominic Gabriel Iliescu+1 more|arXiv (Cornell University)|Sep 26, 2019

Phonocardiography and Auscultation Techniques被引用 14

一句话总结

本研究提出一种基于Zernike矩与基于距离的分类的传统机器学习方法，用于在首次孕期彩色多普勒超声中自动检测关键胎儿心脏切面——V形、X形及平行红血流。尽管数据集较小，该方法在识别临床相关帧方面表现出令人满意的准确率，支持先天性心脏病的早期筛查。

ABSTRACT

The present paper puts forward an incipient study that uses a traditional segmentation method based on Zernike moments for extracting significant features from frames of fetal echocardiograms from first trimester color Doppler examinations. A distance based approach is then used on the obtained indicators to classify frames of three given categories that should be present in a normal heart condition. The computational tool shows promise in supporting the obstetrician in a rapid recognition of heart views during screening.

研究动机与目标

• 开发一种计算工具，协助妇产科医生在首次孕期筛查中快速识别关键胎儿心脏切面。
• 解决由于心脏结构尚未发育完全，导致首次孕期先天性心脏病（CHD）检出率低的问题。
• 将超声帧分类为三类临床相关类别：V形蓝色血流、X形蓝色血流及平行红色血流。
• 探索在资源有限、早期胎儿超声心动图中使用传统图像特征（Zernike矩）进行自动分割与分类的可行性。

提出的方法

• 从首次孕期彩色多普勒超声视频中提取帧，并将其分为蓝色（V、X、其他）和红色（平行、其他）两类分类任务。
• 对每种颜色应用二值分割，以隔离感兴趣区域（ROIs），聚焦于独特的血流模式。
• 对每个分割后的ROI计算25个Zernike矩，结合图像尺寸和多边形数量，形成每帧28维的特征向量。
• 由于训练数据有限，采用基于距离的分类（最近邻）将测试帧分配至三类之一。
• 通过在与测试集不同的患者数据上进行训练，确保数据多样性，从而增强模型的泛化潜力。
• 保留形态学与拓扑特征（如面积、周长、Delaunay三角剖分）作为未来潜在改进方向。

实验结果

研究问题

• RQ1 Zernike矩能否有效从首次孕期胎儿彩色多普勒超声帧中提取出用于心脏切面分类的判别性特征？
• RQ2 在训练数据有限的情况下，基于距离的分类器在多大程度上能实现对V形、X形及平行红血流模式的可靠分类？
• RQ3 自动检测关键血流动态特征（V形、X形、平行红血流）是否能减轻超声技师在早期胎儿心脏筛查中的工作负担？
• RQ4 图像外观差异与低对比度如何影响传统基于特征的方法在早期胎儿超声心动图中的性能？

主要发现

• 该方法在识别蓝色血流中的V形与X形模式方面表现出高准确率，经医生确认，大多数检测结果正确。
• 误报主要出现在将“其他”类别帧错误分类为V形时，表明在区分细微非特异性模式方面存在挑战。
• 在红色血流分类中，平行线模式大多被正确检测，但部分“其他”帧被错误标记为平行。
• 尽管训练集较小（53帧：20个V形，12个X形，21个其他），结果仍具前景，表明在数据稀缺情况下仍具备临床支持的可行性。
• 基于距离的分类器在数据有限的情况下表现良好，证明了在早期胎儿心脏评估中基于特征的自动化方法的可行性。
• 该方法显著减少了超声技师需手动审查的无关帧数量，有望加速住院医师的学习进程并提升筛查效率。